1 / 39

การวิเคราะห์ข้อมูลสูญหาย และข้อมูลที่มีซ้ำไม่เท่ากัน ด้วย GLM

การวิเคราะห์ข้อมูลสูญหาย และข้อมูลที่มีซ้ำไม่เท่ากัน ด้วย GLM. พีระพงษ์ แพงไพรี. ข้อมูลสูญหาย (missing data). T1. T2. T3. T4. Unbalanced data. Missing data Random effect Field experiment. การวิเคราะห์งานทดลองที่มีข้อมูลสูญหาย. ประเมินค่าสูญหาย ใช้ general linear model (GLM).

sheehan-kneafsey
Download Presentation

การวิเคราะห์ข้อมูลสูญหาย และข้อมูลที่มีซ้ำไม่เท่ากัน ด้วย GLM

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. การวิเคราะห์ข้อมูลสูญหายและข้อมูลที่มีซ้ำไม่เท่ากันด้วย GLM พีระพงษ์ แพงไพรี

  2. ข้อมูลสูญหาย (missing data) T1 T2 T3 T4

  3. Unbalanced data • Missing data • Random effect • Field experiment

  4. การวิเคราะห์งานทดลองที่มีข้อมูลสูญหายการวิเคราะห์งานทดลองที่มีข้อมูลสูญหาย • ประเมินค่าสูญหาย • ใช้ general linear model (GLM)

  5. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

  6. สูตรการประเมินค่าสูญหายใน RCBD M = k1i + k2j – k3 • M = ค่าสูญหายจากทรีทเมนต์ที่ j บล็อกที่ I •  = ค่าเฉลี่ย • i = ค่าเฉลี่ยของบล็อกที่ i • j = ค่าเฉลี่ยของทรีทเมนต์ที่ j • k1 = t/(t-1) • k2 = r/(r-1) • k3 = (tr-1)/(t-1)(r-1)

  7. 24.375 31.5 32.375 23.5 M = k1i + k2j– k3 = (4/3)(32.67) + (5/4)(21.5) – (19/(4*3))(24.0) = 31.5

  8. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

  9. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

  10. สูตรการประเมินค่า SS(bias) ใน RCBD 31.5 SS(bias) = [(t-1)i – (t-1)M]2 / t(t-1) SS(bias) = [(3x32.67) – (3x31.5)]2 / 4(3) = 1.02

  11. การวิเคราะห์โดยการประเมินค่าสูญหายการวิเคราะห์โดยการประเมินค่าสูญหาย

  12. 141.6375 – 1.02 = 140.4375

  13. การวิเคราะห์โดยใช้ GLM

  14. Sum of Square Type I, II, III, IV

  15. Dummy-Variable Model Yij =  + i + ij กำหนดให้ผู้วิจัยมี 3 ทรีทเมนต์ ดังนั้น general linear model Yij =  + 1 + 2 + 3 + ij กำหนดให้ผู้วิจัยมี 2 ซ้ำ ดังนั้น dummy-variable model  1 2 3 ij Y11 = 1 + 1 + 0 + 0 + 11 Y12 = 1 + 1 + 0 + 0 + 12

  16. Dummy-Variable Model  1 2 3 ij Y11 = 1 + 1 + 0 + 0 + 11 Y12 = 1 + 1 + 0 + 0 + 12 Y21 = 1 + 0 + 1 + 0 + 21 Y22 = 1 + 0 + 1 + 0 + 22 Y31 = 1 + 0 + 0 + 1 + 31 Y32 = 1 + 0 + 0 + 1 + 32

  17. Y X 

  18. Y = X +  X’Y = X’X  = (X’X)-1X’Y

  19. X’Y = X’X  = (X’X)-1X’Y  = (X’X)- X’Y

  20. X’X X’Y Y’Y Y’X (X’X)-  SSE ’

  21. ค่าเฉลี่ย least square • ค่าเฉลี่ย least square หมายถึง ค่าเฉลี่ยที่ได้จากโมเดลของการทดลองโดยการประเมินค่าของอิทธิพลต่างๆ โดยวิธี minimize error sum square หรือ ordinary least square (OLS) Balance data ค่า mean กับ ls mean จะมีค่าเท่ากัน

  22. Model : Yijk =  + i + j + ij + ijk

  23. a1b1 =  + 1 + 1 + 11 = 34.5 – 2.17 – 5.0 + 1.0 = 28.33

  24. a1b2 =  + 1 + 2 + 12 = 34.5 – 2.17 + 0.0 + 0.0 = 32.33

  25. a2b1 =  + 2 + 1 + 21 = 34.5 + 0.0 – 5.0 + 0.0 = 29.5

  26. a2b2 =  + 2 + 2 + 22 = 34.5 + 0.0 + 0.0 + 0.0 = 34.5

  27. a1b1 = 28.33 a1b2 = 32.33 a2b1 = 29.5 a2b2 = 34.5 b1 = ½ (a1b1 + a2b1) = ½ (28.33 + 29.5) = 28.915 a1 = ½ (a1b1 + a1b2) = ½ (28.33 + 32.33) = 30.33 a2 = ½ (a1b2 + a2b2) = ½ (32.33 + 34.5) = 33.415 a2 = ½ (a2b1 + a2b2) = ½ (29.5 + 34.5) = 32.0

  28. a1 = 30.33 a2 = 32.00 b1 = 28.915 b2 = 33.415 a1b1 = 28.33 a1b2 = 32.33 a2b1 = 29.50 a2b2 = 34.50

  29. พักเที่ยงจ้า

More Related